基于深度访谈的仿真用户Agent验证实验：AI能否真实模拟消费者行为？

实验背景

在用户研究领域，深度访谈是理解消费者需求的重要方法。但传统访谈耗时耗力，样本量有限。随着AI技术的发展，一个有趣的问题浮现：能否基于深度访谈记录构建仿真用户Agent，用AI模拟真实消费者的行为和决策？

为了验证这一想法的可行性，我们开展了一项仿真实验——基于5份真实的空调用户深度访谈记录，构建仿真用户Agent，并通过对比验证其与真实用户的一致性。

实验设计

实验对象

我们从TCL用户研究数据库中选取了5份风管机购买用户的深度访谈记录：

实验场景

设计了3个空调购买决策场景，覆盖用户决策的关键环节：

场景1：初次咨询（需求表达） 模拟用户首次咨询风管机购买，观察其主动提及的需求和关注点。 场景2：产品对比（决策因素） 提供两款产品（高能效智能型 vs 大品牌保障型），观察用户的决策偏好。 场景3：痛点深挖（问题表达） 深度询问使用过程中的痛点，验证痛点表达的一致性。

评估维度

需求一致性：Agent是否提及与真实用户相同的核心需求

痛点匹配度：Agent表达的痛点是否与真实用户一致

决策逻辑：Agent的决策优先级是否与真实用户一致

表达方式：Agent的表达风格是否接近真实用户

采用5分制评分，5分为完全一致，1分为几乎不一致。

实验过程

第一步：构建仿真用户Agent

基于每份访谈记录，提取用户画像的核心要素：
• 基础信息（年龄、职业、居住地、房屋情况）
• 性格特征
• 核心需求与痛点
• 决策行为模式
• 典型言论风格

为每个用户创建了详细的Agent配置文件，确保Agent能够"深度模仿"真实消费者。

第二步：执行仿真实验

让5个仿真Agent分别参与3个实验场景，记录其响应内容。

示例：韩浩铭在场景1的响应

"你好，我想问一下这个风管机的能效比是多少？我家里是300平米的房子，有4层，比较担心电费问题。另外，你们这个能不能用手机APP远程控制？我希望能在下班路上提前打开，回家就能凉快了。"

这段回应与原始访谈记录高度吻合——真实用户韩浩铭确实最关注能效比和远程控制功能。

第三步：对比分析

将仿真Agent的回应与原始访谈记录进行逐条对比，从四个维度进行评分。

实验结果

一致性评分汇总

关键发现

1. 需求一致性完美（5.0/5.0）

所有仿真Agent都能准确表达真实用户的核心需求：
• 韩浩铭首先询问能效比和电费问题
• 赖莹优先提及格力品牌和售后服务
• 邓矩康关注0.5°C温控精度和米家接入
• 谢艺枝强调全屋智能生态兼容
• 李淑青重点询问防直吹功能

2. 决策逻辑高度一致（5.0/5.0）

仿真Agent的决策优先级与真实用户完全一致：
• 程序员韩浩铭：性价比优先，展示理性的成本收益分析
• 公务员赖莹：品牌优先，信任大品牌质量保障
• 科技金融邓矩康：技术参数优先，关注创新功能
• 软件工程师谢艺枝：生态兼容优先，要求统一控制
• 鼻炎患者李淑青：舒适度优先，健康功能至上

3. 表达方式高度相似（5.0/5.0）

Agent的语言风格与用户的职业特征高度吻合：
• 程序员用"APF值"、"成本收益"等数据化表达
• 公务员关注"售后保障"、"质量稳定"
• 软件工程师提及"米家生态"、"场景联动"
• 鼻炎患者用"冷风直吹"、"鼻子不舒服"等感性描述

4. 轻微偏差分析（痛点匹配度4.6/5.0）

个别Agent在某些场景下增加了访谈中提及较少的痛点（如噪音担忧），但这种偏差在实际应用中可能是合理的——真实用户在访谈中可能未完全表达所有顾虑。

实验结论

核心结论

仿真用户Agent与真实用户具有高度一致性，平均评分4.9/5.0。

这项实验验证了基于深度访谈构建仿真用户Agent的方法有效性。AI不仅能够记住用户的基本信息，更重要的是能够理解并复现用户的决策逻辑和表达方式。

应用价值

这种方法可以应用于：

1. 产品概念测试 快速获取不同用户群体对产品概念的反馈，无需组织大量真实用户访谈。 2. 需求优先级验证 在产品开发前验证需求优先级，识别哪些功能是核心需求，哪些是锦上添花。 3. 用户场景模拟 模拟极端或罕见场景下用户的反应，发现潜在的产品问题。 4. 竞品对比分析 让仿真Agent评估竞品方案，预测真实用户的接受度。

局限与改进

当前局限：

样本量有限（仅5个用户）

仿真Agent基于静态画像，无法模拟用户认知变化

实验场景相对简化

改进方向：

增加负面约束，避免Agent过度延伸非核心需求

进行多轮验证，观察Agent表现的稳定性

结合实时数据，让Agent具备学习能力

启示与展望

这项实验让我们看到了AI在用户研究领域的巨大潜力。未来，仿真用户Agent可能成为产品经理的"虚拟用户顾问"——在产品开发的各个阶段提供用户视角的反馈。

当然，仿真Agent并不能完全替代真实用户研究。它的价值在于放大和延伸深度访谈的成果，让每一次访谈都能产生更大的价值。

正如本次实验所示，当AI真正"理解"了用户，它就能成为连接产品与用户之间的桥梁。

---

实验时间：2026年2月 实验团队：TCL用户研究仿真团队